路径分析 结构方程讲义.pptx

路径分析、结构方程模型及应用知识要点：1、路径分析、结构方程的基本思想和模型设定2、路径分析模型、结构方程模型的构建3、路径分析模型、结构方程模型的识别和估计4、路径分析模型、结构方程模型的评价和修改5、路径分析模型、结构方程的应用和文献阅读路径分析、结构方程模型的发展历史20世纪初，“Pearson原理”占着生物遗传学（在过去几乎就是我们现在所称作的统计学）的统治地位。Pearson原理的一个基本内容就是相关关系是现实生活中最基本的关系，而因果关系仅仅是完全相关的（理论）极限。这种理论认为没必要寻找变量之间的因果关系，只需计算相关系数。然而相关分析逐渐暴露出自身的很多局限：一是相关分析仅仅反应变量之间的线性关系；二是相关分析反应变量之间的关系是对称的，而很多变量之间的关系是非对称的(见路径图P7)；三是只有在正态假设下，相关思想才是有效的。以上说明，对因果关系的研究仍然是重要的。在遗传学中，很多现象具有明显的因果关系，如父代与子代的基因关系，父代在前，子代在后，二者的关系只能是单向的，而非对称的。对这种变量结构进行思考，遗传学家Sewall Wright于1918-1921年提出路径分析（path analysis），用来分析变量间的因果关系。现代的路径分析由生物遗传学家、心理测验学家、计量经济学家以及社会学家的推进，引入隐变量（latent variable, 又称unmeasured variable, 不可观测变量），并允许变量间具有测量误差，并且极大似然估计代替了最小二乘法，成为路径系数主流的估计方法。路径分析现在成为多元分析的一种重要方法，广泛应用于遗传学、社会学、心理学、经济问题和市场调研领域。习惯上把基于最小二乘的传统的路径分析称作路径分析；把基于极大似然的路径分析称作结构方程式模型（Structural Equation Modeling，SEM）。路径分析的相关知识简介1、路径分析的基本概念和理论2、相关系数的分解3、路径模型的调试和识别4、路径分析的流程图和案例分析路径分析流程图一、路径图路径分析的主要工具是路径图，它采用一条带箭头的线（单箭头表示变量间的因果关系，双箭头表示变量间的相关关系）表示变量间预先设定的关系，箭头表明变量间的关系是线性的，很明显，箭头表示着一种因果关系发生的方向。在路径图中，观测变量一般写在矩形框内，不可观测变量一般写在椭圆框内。A是父亲智商，B是母亲智商，C1、C2是两个成年子女的智商，e1, e2 是与A,B不相关的另外原因变量。一般来说，父母亲的智商之间不存在关系；父母亲的智商对子女的智商存在因果关系，用单箭头表示,子女的之间，存在相关关关系,用双箭头表示。箭头上的字母表示路径系数，路径系数反应原因变量对结果变量的相对影响大小。在路径分析中一般采用经过标准化后的变量.把上图写为方程式的形式：以上方程实际上是普通的多元回归方程，多元回归分析是因果关系模型的一种，但它是一种比较简单的因果关系模型，各个自变量对因变量的作用并列存在，它仅包含一个环节的因果结构。路径分析的优势在于：它可以容纳多环节的因果结构，通过路径图把这些因果关系很清楚地表示出来，据此进行更深层次的分析，如比较各种因素之间的相对重要程度，计算变量与变量之间的直接与间接影响例：某种消费性电子产品（如手机）路径分析：四个变量耐用性、操作的简单性、通话效果和价格两两相关，决定感知价值，同时通过感知价值决定忠诚度。相对于图10-1，它具有两层的因果关系。感知价值和顾客忠诚度为内生变量感知价值和顾客忠诚度为内生变量路径图上的变量分为两大类：一类是外生变量（exogenous variable，又称独立变量，源变量），它不受模型中其他变量的影响。另一类是内生变量（endogenous variable，又称因变量或下游变量），在路径图上至少有一个箭头指向它，它被模型中的其它一些变量所决定。其中，将路径图中不影响其它变量的内生变量称为最终结果变量（ultimate response variable），最终结果变量不一定只有一个。如：顾客忠诚度耐用性、操作的简单性、通话效果和价格即为外生变量感知价值和顾客忠诚度为内生变量感知价值和顾客忠诚度为内生变量其他变量对内生变量的影响：若A直接通过单向箭头对B具有因果影响，称A 对B有直接作用（direct effect）；若A 对B的作用是间接地通过其他变量（C）起作用，称A 对B有间接作用（indirect effect），称C为中间变量（mediator variable）。四个外生变量耐用性、操作的简单性、通话效果和价格既对忠诚度有直接作用，同时通过感知价值对忠诚度具有间接作用。中间变量的中间作用有理论依据吗？中间作用统计显著吗？ 检验中间变量间接作用是否统计显著（Barron,